设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1806|回复: 4
打印 上一主题 下一主题

[信息技术] 继续请教问题:关于 Pytorch 的 Autograd

[复制链接]
  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-2-14 13:09:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 雷达 于 2023-2-14 13:12 编辑 0 l! c) x& x" U. K
    ( r" N& j+ V, b" Z- `
    为预防老年痴呆,时不时学点新东东玩一玩。4 h% R& r% N$ A7 v4 d9 B
    Pytorch 下面的代码做最简单的一元线性回归:/ l) W+ J$ ~3 U$ O
    ----------------------------------------------" K/ @. C7 @$ F* b& Q# m
    import torch" q1 k. `8 f9 N3 o2 H
    import numpy as np
    & l5 a' D& }7 t/ T. ~import matplotlib.pyplot as plt
    # ~$ j2 l* I$ m$ Gimport random- w  E% `- f- A& K3 U+ T

    ( I# d# T& k" \% S* f2 n& ^x = torch.tensor(np.arange(1,100,1))
    ; |. c( _' i* M. s+ S" ay = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=151 v: F. H5 V& ]) A1 s8 @- k3 L' A

    . y6 P  f( T' {' tw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b" }% u4 n  m2 ?  Z
    b = torch.tensor(0.,requires_grad=True)
    ; i" t6 }2 j3 I; E' Q" C3 b, w9 d9 Y4 i  U( y
    epochs = 100, H" j3 x4 a1 j2 g% h

    7 J+ o" h. j- flosses = []/ ~6 Q/ C8 @9 p6 r$ `/ }
    for i in range(epochs):
    & {# f, }3 B, m# x* Y  y_pred = (x*w+b)    # 预测
    . o/ J1 T* u3 K9 A  y_pred.reshape(-1)
    . f: R. b& N8 Q
    4 x, V/ E. d3 Y" S  loss = torch.square(y_pred - y).mean()   #计算 loss
    0 x1 E7 F; h1 p8 j0 g  p# [& J% O  losses.append(loss)) C1 X2 d* ~$ Y5 H- A4 s3 S( X
      
    $ A7 s& s; u; n3 J5 W# a  loss.backward() # autograd4 \* [3 a, a, z6 P& @
      with torch.no_grad():
    , X9 y/ w/ g2 G& u    w  -= w.grad*0.0001   # 回归 w
    5 h; Y% y% w! N! b, S( k    b  -= b.grad*0.0001    # 回归 b " a- O' [5 x  V7 ]4 D6 K) U7 p6 V7 H
      w.grad.zero_()  
    3 f4 q2 n6 b, L: |, C  _" Z0 U  b.grad.zero_()& S, B2 v% h, c, r

    ) z, e! r( w' d0 g4 uprint(w.item(),b.item()) #结果
      B; k2 M. P' C! W7 B% H$ t- `
    3 P0 y; _; v2 H# r. M. X2 ?Output: 27.26387596130371  0.4974517822265625* ?0 n7 L+ G1 t4 V: u: ~
    ----------------------------------------------. t# V7 k8 A0 w1 O6 ^7 V3 q
    最后的结果,w可以回到 w0 = 27 附近,b却回不去 b0=15。两处红字,损失函数是矢量计算后的均值,感觉 b 的回归表达有问题。2 B: {9 n0 Z# G; J- f
    高手们帮看看是神马原因?* G; d7 v  E( [+ P+ `# Z9 c8 k

    评分

    参与人数 1爱元 +10 收起 理由
    老票 + 10 不明觉厉

    查看全部评分

    该用户从未签到

    沙发
    发表于 2023-2-14 19:23:02 | 只看该作者
    本帖最后由 老福 于 2023-2-14 21:58 编辑
    * w( e. q& k1 i7 r1 w; d7 z) X, Y  A
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?
    0 d( k' A6 H0 d& g-------+ c' P% S( C) R9 R4 Q' m
    不好意思,再看一遍,好像你在自算回归而不是用现成的工具直接出结果,上面的评论只有一点用,就是确认是不是算法有问题。
    ' N) q9 P" c% D9 A; h-------' v" f. k# ?+ K( c- z2 t9 s% Z
    算法诊断部分,建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够,因为你起点是0, 步长很小。只是直观建议。

    评分

    参与人数 1爱元 +10 收起 理由
    雷达 + 10 谢谢建议

    查看全部评分

    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    板凳
     楼主| 发表于 2023-2-14 21:52:57 | 只看该作者
    老福 发表于 2023-2-14 19:23
    * y/ N3 t+ c* U$ E没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?# n+ u, y& R4 A  L
    -------
    ; G3 ^' k4 U; c不好意思, ...
    " `3 [7 b% S+ s
    谢谢,算法应该没问题,就是最简单的线性回归。2 M  L6 S5 i/ u; S
    我特意没有用现成的工具,就是想从最基本的地方深入理解一下。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    地板
    发表于 2023-2-14 22:00:48 | 只看该作者
    本帖最后由 老福 于 2023-2-14 22:02 编辑
    3 ]0 D7 K( H# h. o' d6 n" ^
    雷达 发表于 2023-2-14 21:529 p1 w. e+ X5 `% w# m, S
    谢谢,算法应该没问题,就是最简单的线性回归。' E, i& J2 @1 a; |: A' j5 S9 q6 k* D
    我特意没有用现成的工具,就是想从最基本的地方深入理解 ...
    & c9 V& n* r4 Y/ R, m( L
    $ R' b) A1 |! S/ m7 `" e( O
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。2 D! L! T1 E) m- s, L; b

    ' X4 \6 T$ v6 \: ?0 S# ~# \或者把b但的起点改为1试试。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    5#
     楼主| 发表于 2023-2-15 00:25:26 | 只看该作者
    本帖最后由 雷达 于 2023-2-15 00:31 编辑 * f8 D3 u/ Z7 F
    老福 发表于 2023-2-14 22:00
    2 g4 Y. n# L  U/ B刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。' O' W2 Y( }( ]! _" s, R

    7 e+ s2 B6 @6 c; v& j% Y3 G8 }6 o或者把b但的起点改为1试试。 ...
    9 d4 Z9 \) S+ r! |5 `/ e
    4 Q- z/ E7 C; V  k# q+ ?" l/ S
    你是对的。
    ; J3 G  r1 I4 y: I8 q5 `/ Q去掉了随机部分  g! z; x: F6 e( E7 {) \
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)" `0 G2 U( h# L- L
    y = (x*27+15).reshape(-1)
      y% e' G+ G" n. @1 j! L
    : H8 v- T. w" L+ Z0 e/ A# H9 J循环次数加成10倍,就看到 b 收敛了
    5 y$ A  w; d2 O& ^w , b
      [# o; o" C9 N- {, t7 r27.002620697021484 14.826167106628418
    + D" X6 v/ [5 j
    - g9 u8 V3 J$ n& o& t和 b 的起始位置无关,但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ,收敛就很慢。
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-7-24 16:01 , Processed in 0.039554 second(s), 22 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表